Hvordan CFO-en bør måle ROI på AI-investeringer?

AI-budsjettene vokser. Det gjør ikke alltid gevinstene.

Jeg ser det jevnlig i prosjektene vi jobber med: virksomheter som har investert i AI-verktøy i ett til to år, men som sliter med å svare på ett enkelt spørsmål — hva har vi faktisk fått igjen?, sier Jarle Soland, spesialist på datanalyser i VIEW Group.

Jarle Soland

Verktøy først er fellen

De fleste AI-initiativene starter med lisenser, Copilot-utrullinger, chatbots og automatiseringsplattformer. Færre starter med en konkret kostnad å redusere, en prosess å forbedre eller en beslutning som skal bli bedre. Da er det heller ikke rart at det blir vanskelig å måle noe i etterkant — og at det i mange tilfeller bare er ineffektivitet som flyttes litt raskere gjennom organisasjonen.

De initiativene som faktisk leverer avkastning begynner med et konkret problem: hvor taper vi tid, penger eller kvalitet i dag?

5 steder CFO-en bør se etter avkastning

Kan du si hvilke KPI-er AI-investeringen din faktisk har flyttet? Jarle erfarer at disse 5 parameterne er nyttig for å se på ROI.

Tidsbesparelse er den enkleste gevinsten å dokumentere. Rapportering, bilagshåndtering, avstemming, prognosearbeid — automatisering kan frigjøre betydelige timer. Men frigjort tid har bare verdi hvis den brukes til noe. Hos kunder vi jobber med ser vi at den reelle gevinsten kommer når kapasiteten flyttes til analyse og beslutningsstøtte, ikke bare til neste oppgave på listen.

Beslutningskvalitet er vanskeligere å måle og ofte langt mer verdifull. Bedre prognoser, raskere scenarioanalyser, tidligere varsling av avvik — selv moderate forbedringer i beslutningspresisjon kan overstige et helt år med tidsbesparelse. Spørsmålet er om beslutningene faktisk er blitt bedre, ikke om AI brukes.

Risiko-reduksjon undervurderes konsekvent. Automatisert avvikskontroll, færre manuelle feil, sterkere compliance — det er reell verdi som ikke alltid fanges i en standard ROI-kalkyle. Men det gjelder å se begge veier: dårlige data og manglende styring gjør at AI like gjerne forsterker risikoer som reduserer dem.

Skalerbarhet er gjerne der de største langsiktige gevinstene finnes. En økonomiavdeling kan håndtere vesentlig mer volum — flere transaksjoner, flere selskaper, raskere rapportering — uten tilsvarende vekst i bemanning. Det er ikke uvanlig at vi ser 30–40 % mer kapasitet på samme team etter vellykket automatisering.

Dataverdi handler om noe de fleste allerede eier: data de ikke bruker godt nok. Vi bruker 60–70 % av prosjekttiden på å rydde og strukturere datagrunnlag før AI i det hele tatt kan brukes meningsfullt. Det er ikke et tegn på svak teknologi — det er et tegn på at Data Governance burde kommet før AI-verktøyet.

Anbefalt: AI har flyttet seg fra IT-budsjettet til balansen

Det vi ser gå galt

Å måle aktivitet i stedet for effekt er den vanligste feilen. «Vi har tatt i bruk AI» sier ingenting om verdi — det viktige er hvilke KPI-er som endret seg og om lønnsomhet, risiko eller produktivitet faktisk beveget seg.

Å starte for bredt er den nest vanligste: de beste initiativene starter med én prosess, ett problem og noen få tydelige suksesskriterier. Og de fleste undervurderer datagrunnlaget — AI fungerer ikke bedre enn dataene den bygger på.

Hva dette betyr for CFO-en

AI er ikke lenger et IT-initiativ. Det påvirker kostnadsstruktur, arbeidsprosesser, risiko og investeringsbeslutninger direkte — og det gjør prioriterings- og målingsansvaret til et naturlig CFO-ansvar.

Spørsmålet er ikke hvilket verktøy du bør velge. Det er hvilke beslutninger, prosesser eller kostnader det haster mest å forbedre, og om du kan vise at det skjedde.